Dimas de Barros Santiago (2017).pdf
Dimas de Barros Santiago (2017).pdf
Documento PDF (2.3MB)
Documento PDF (2.3MB)
UNIVERSIDADE FEDERAL DE ALAGOAS
INSTITUTO DE CIÊNCIAS ATMOSFÉRICAS
CURSO DE PÓS-GRADUAÇÃO EM METEOROLOGIA
DISSERTAÇÃO DE MESTRADO
ILHA DE CALOR E A INFLUÊNCIA NO CONFORTO TÉRMICO DA REGIÃO
INTEGRADA DE DESENVOLVIMENTO DA GRANDE TERESINA (RIDE).
DIMAS DE BARROS SANTIAGO
Maceió-AL
Abril de 2017.
DIMAS DE BARROS SANTIAGO
ILHA DE CALOR E A INFLUÊNCIA NO CONFORTO TÉRMICO DA REGIÃO
INTEGRADA DE DESENVOLVIMENTO DA GRANDE TERESINA (RIDE).
Dissertação submetida ao colegiado do
curso de Pós-Graduação em Meteorologia
da Universidade Federal de Alagoas- UFAL,
como parte dos requisitos para a obtenção
do grau de Mestre em Meteorologia.
Orientador: Prof. Dr. Heliofábio Barros Gomes
Maceió-AL
Abril de 2017.
AGRADECIMENTOS
Primeiramente a Deus que nunca deixou de me guiar pelo caminho certo.
A Minha Mãe, que sempre me apoiou em todos os momentos.
Ao Meu Orientador, Professor Dr. Heliofábio Barros Gomes, que me possibilitou,
ajudou e orientou em minha Dissertação de Mestrado.
Aos Meus Amigos, colegas, e Companheiros de Laboratório e do ICAT.
RESUMO
As ilhas de calor urbanas são efeitos onde a temperatura das áreas urbanas são maiores que as
áreas próximas e áreas rurais, consequência da modificação e/ou substituição da vegetação
por áreas sem vegetação ou áreas asfálticas, modificando o clima ambiente e o conforto
térmico humano local, assim o objetivo do trabalho visou observar o fenômeno Ilhas de Calor
Urbanas (ICU), em Teresina-PI e Timon-MA e a relação com conforto térmico da área de
estudo, por meio do sensoriamento remoto termal e do Índice de conforto térmico humano,
Temperatura Efetiva. Foram utilizadas seis imagens de satélites, quatro obtidas pelo satélite
Landsat-5 TM, adquiridas no Catálogo de Imagens - DGI - INPE e duas obtidas do Landsat-8
no site da USGS. As imagens correspondem à passagem do satélite nos pontos 219, órbitas 63
e ponto 219, órbita 64 datas, Landsat 5: 20 de Junho de 2004, 10 de Junho de 2006, 01 de
Julho de 2008, 01 de Julho de 2008. Landsat 8: 18 de Julho de 2014 e 23 de Julho de 2016.
Dados horários, diários e mensais de umidade relativa do ar e temperatura média do ar, para
os anos de estudo, cedidos pelo Instituto Nacional de Meteorologia (INMET), para o cálculo
do Índice de Conforto Térmico Humano. Para o processamento das imagens foram
desenvolvidos modelos através da ferramenta Model Maker do programa ERDAS Imagine
9.2 e o Qgis 2.12.1, tendo imagens necessárias para a obtenção da temperatura na superfície
terrestre, que servirá como base para a identificação das ilhas de calor e o índice de
temperatura efetiva, para observar o conforto das cidades em estudo. No estudo observou-se a
diferença de temperatura entre a área das cidades de Teresina-PI e Timon-MA e as áreas sem
urbanização (mais vegetada, sem modificação do solo), onde houve uma variação entre
aproximadamente 6°C a 9°C, quando comparado áreas circunvizinhas e a cidade. Concluiu-se
assim a relação entre as ilhas de calor e o conforto térmico humano, assim à medida que as
cidades se desenvolvem e ocorre à modificação da superfície, as temperaturas aumentam,
consequentemente aumenta o desconforto humano, visto que o ser humano sofre influência do
meio em que vive.
Palavras chaves: Sensoriamento Remoto. Conforto Térmico. Ilhas de Calor. Teresina-PI.
ABSTRACT
The urban heat islands are effects where the temperature of the urban areas is greater than the
surrounding areas and rural areas, as a result of the modification and/or substitution of the
vegetation by areas ithout vegetation or asphaltic areas, modifying the ambient climate and
the local human thermal comfort , The aim of the study was to observe the phenomenon of the
Islands of Urban Heat (ICU) in Teresina-PI and Timon-MA and the relation with thermal
comfort of the study area, through thermal remote sensing and the human thermal comfort
index , Effective Temperature. Six satellite images were used, four obtained by Landsat-5 TM
satellite, acquired in the Catalog of Images - DGI - INPE and two obtained from Landsat-8 on
the USGS website. The images correspond to the passage of the satellite at points 219, orbits
63 and point 219, orbit 64 dates, Landsat 5: 20 June 2004, 10 June 2006, 01 July 2008, 01
July 2008. Landsat 8: July 18, 2014 and July 23, 2016. Hourly, daily and monthly data of
relative air humidity and average air temperature, for the years of study, provided by the
National Institute of Meteorology (INMET), for the calculation of the Human Thermal
Comfort Index. For the image processing, models were developed using the Model Maker
tool of the ERDAS Imagine 9.2 program and Qgis 2.12.1, having images necessary to obtain
the temperature on the terrestrial surface, which will serve as the basis for the identification of
the heat islands and the Effective temperature index, to observe the comfort of the cities under
study. In the study, we observed the temperature difference between the Teresina-PI and
Timon-MA cities and areas without urbanization (more vegetated, without soil modification),
where there was a variation between approximately 6 ° C and 9 ° C, When compared
surrounding areas and the city. The relationship between heat islands and human thermal
comfort was thus concluded, as cities develop and occur at surface modification, temperatures
increase, consequently human discomfort increases, since the human being is influenced by
the In which he lives.
Keywords: Remote Sensing, Thermal Comfort, Heat Islands, Teresina-PI.
LISTA DE FIGURAS
Figura 1: Representação de uma Ilha de Calor Urbana............................................................15
Figura 2: Posição geográfica da cidade de Teresina-PI............................................................22
Figura 3: Posição geográfica da cidade de Timon-MA............................................................23
Figura 4: Localização dos pontos de estudo..................................................................................24
Figura 5: Posição geográfica da área de estudo. ......................................................................25
Figura 6: Fluxograma das etapas do processamento da temperatura de superfície..................25
Figura 7: Precipitações referentes aos meses de Junho/ Julho dos anos de estudo...................33
Figura 8: Comparação entre as temperaturas de superfície, para 2004 (A) e 2016
(B).............................................................................................................................................34
Figura 9: Comparação das temperaturas de superfície (A), para os anos de 2004, 2010 e 2016,
para os pontos selecionados no estudo e sua forma de ocupação (B).......................................35
Figura 10: Comparação entre a temperatura de superfície (A) e a forma de ocupação do solo (B) para
os anos de estudo..........................................................................................................................36
Figura 11: Comparação entre a distribuição da Temperatura de Superfície (A), e o Índice de
Vegetação da Diferença Normalizada (IVDN) (B) para o ano de 2016.
...................................................................................................................................................37
Figura 12: Frequências de valores dos Índices de Vegetação da Diferença Normalizada
(IVDN) para os anos de 2004 (A), 2006 (B), 2008 (C), 2010 (D), 2014 (E) e 2016
(F)..............................................................................................................................................39
Figura 13: Comparação entre os valores médios de Índice de Vegetação da Diferença Normalizada
(IVDN) e a Temperatura Média de Superfície................................................................................41
Figura 14: Comparação entre a temperatura do ar, temperatura de superfície e a temperatura efetiva,
para os anos de estudo......................................................................................................................42
Figura 15: Comparação entre a temperatura mensal do ar, para os anos de estudo...........................43
Figura 16: Comparação entre as temperaturas efetivas diárias, para o mês de Julho de 2004 e Julho de
2016........................................................................................................................................................43
Figura 17: Comparação entre as temperaturas efetivas mensais, para os anos de
estudo........................................................................................................................................44
LISTA DE TABELAS
Tabela 1: Datas das passagens do satélite.................................................................................24
Tabela 2: Descrição das bandas do sensor TM, apresentando os coeficientes de calibração
(Lmin e Lmáx) e irradiâncias espectrais no topo da atmosfera, (para imagens após 4 de maio
de 2003).....................................................................................................................................26
Tabela 3: Aditivos e Multiplicativos referentes aos dias 18 de Julho de 2014 e 23 de Julho de
2016...........................................................................................................................................29
Tabela 4: Classificação das condições de conforto térmico humano pela temperatura
efetiva........................................................................................................................................32
Tabela 5: Valores máximos, médios e mínimos de IVDN para os anos de estudo..................38
LISTA DE SIGLAS
AVHRR
Advanced Very High Resolution Radiometer
DGI
Image Generation Division
DJ
Dia Juliano
DN
Número Digital
IAF
Índice de Área Foliar
IBGE
Instituto Brasileiro de Geografia e Estatística
ICU
Ilha de Calor Urbana
INMET
Instituto Nacional de Meteorologia
INPE
Instituto Nacional de Pesquisas Espaciais
IVAS
Índice de Vegetação Ajustado ao Solo
IVDN
Índice de Vegetação da Diferença Normalizada
LANDSAT
Land Remote Sensing Satellite
LMAX
Limite Máximo
LMIN
Limite Mínimo
NEG
Negativos
NOAA
National Oceanic and Atmosphere Administration
OLI
Operational Land Imager
QGIS
Quantum Gis
RIDE
Região Integrada de Desenvolvimento
SEBAL
Surface Energy Balance Algorithm for Land
SR
Sensoriamento Remoto
TE
Temperatura Efetiva
TIRS
Thermal Infrared Sensor
TM
Thematic Mapper
Ts
Temperatura de Superfície
UFAL
Universidade Federal de Alagoas
USGS
United States Geological Survey
LISTA DE SÍMBOLOS
Lλi
Calibração Radiométrica.
Nd
Número Digital.
k λi
Irradiância Solar Espectral De Cada Banda No Topo Da Atmosfera
ρ λi
Reflectância Monocromática.
π
Pi.
dr
Distância Terra
ro
Distância Média Terra
r
Distância Terra
ρ IV
Refletividade Do Infra Vermelho Próximo.
ρV
Refletividade Do Vermelho.
ε NB
Emissividade
ε0
Emissividade
Ts
Temperatura De Superfície.
Z
Altitude De Cada Pixel
Km²
Quilômetro Quadrado
Aditivos
Multiplicativos
NDB
Níveis De Cinza
Zi
Ângulo Zenital Solar
Rb
Reflectância No Landsat 8
Des
Distância Terra
SUMÁRIO
1
INTRODUÇÃO............................................................................................12
2
JUSTIFICATIVAS......................................................................................13
3
OBJETIVOS.................................................................................................14
3.1
3.2
Geral...............................................................................................................14
Específicos.................................................................................................. 14
4
FUNDAMENTAÇÃO TEÓRICA............................................................. 15
4.1
4.2
4.2.1
4.2.2
4.2.3
4.3
4.3.1
4.3.2
Ilhas de Calor.............................................................................................. 15
Sensoriamento Remoto............................................................................... 17
Imagens de Satélite..................................................................................... 17
Índices de Vegetação da Diferença Normalizada (IVDN)......................... 18
Temperatura de Superfície.............................................................................10
Conforto Térmico....................................................................................... 20
Temperatura do Ar...................................................................................... 21
Umidade do Ar............................................................................................ 21
5
DADOS E METODOLOGIA.....................................................................22
5.1
5.1.2
5.1.3
5.2
5.3
5.3.1
5.3.1.2
5.3.2
5.3.3
Área de Estudo............................................................................................ 22
Município de Teresina-PI........................................................................... 22
Município de Timon-MA........................................................................... 23
Dados.......................................................................................................... 23
Metodologia............................................................................................... 25
Estimativa da Temperatura de superfície.................................................... 25
Estimativa da Temperatura de superfície para imagens do Landsat 8........ 29
Interpolação................................................................................................ 30
Cálculo do índice de Conforto Térmico Humano....................................... 31
6
RESULTADOS E DISCUSSÕES...............................................................33
6.1
6.2
6.3
Temperaturas de Superfície........................................................................ 34
Índices de Vegetação da Diferença Normalizada (IVDN)......................... 38
Temperatura efetiva.................................................................................... 41
7
CONCLUSÕES............................................................................................46
REFERÊNCIAS..........................................................................................47
1. INTRODUÇÃO
O crescimento urbano tem desencadeado sérios problemas ambientais, dos quais
sofrem profundas alterações na superfície e expansão das formas horizontais e verticais
das cidades resultam em fontes adicionais de calor, logo a modificação do clima local
(clima urbano). É reflexo do efeito do fenômeno denominado ilhas de calor, um ―oásis
inverso‖, onde o ar e as temperaturas da superfície são mais quentes do que em áreas
rurais circundantes. No clima urbano é possível constatar diferenças nos elementos
climáticos, conforme a influência da cobertura do solo, que altera o fluxo de matéria e
de energia sobre a atmosfera local.
Com o desenvolvimento das atividades antrópicas, o grande número de
construções verticais, a impermeabilização do solo e a diminuição das áreas verdes,
criam mudanças muito profundas na atmosfera local, modificando também a
temperatura e interferindo na distribuição das chuvas na região (XAVIER et al., 2009).
Teresina é uma cidade com altas temperaturas do ar, e ao longo do tempo vem se
expandindo e perdendo parte de sua vegetação, condição importante na promoção de
sombreamento, conforto térmico e manutenção da umidade relativa do ar. Assim, diante
da carência de trabalhos que verifiquem a influência da urbanização na supressão da
vegetação e na temperatura da superfície de Teresina – PI buscou-se uma resposta que
justifique essas alterações, através da quantificação do total de áreas verdes na cidade
(FEITOSA et al., 2011).
Quando falamos em conforto térmico urbano, estamos nos referindo ao clima
urbano que, segundo Lombardo (1985: 22), se define como ―um sistema que abrange o
clima de um dado espaço terrestre e sua urbanização. São um mesoclima que está
incluído no macroclima e que sofrem, na proximidade do solo, influências
microclimáticas derivadas dos espaços urbanos‖. Segundo Fanger (1970), o conforto
térmico é uma condição da mente que expressa à satisfação do indivíduo com o
ambiente térmico. Nesse sentido, o conforto térmico pode ser analisado como sendo as
trocas térmicas que dependem de vários fatores, sejam eles ambientais e/ou pessoais,
comandados por processos físicos.
Diante do exporto, o presente trabalho visou observar o fenômeno Ilhas de Calor
Urbanas (ICU) em função da modificação e/ou crescimento das cidades de Teresina-PI
e Timon-MA e a relação com o conforto térmico, por meio do sensoriamento remoto
termal e do Índice de conforto térmico humano, Temperatura Efetiva.
12
2. JUSTIFICATIVAS
O desenvolvimento das cidades em termos demográficos, socioeconômicos e
culturais, produz ou intensifica seus problemas ambientais. Logo faz-se necessário
estudos para aprimoramento de planejamentos urbanísticos que visem à melhoria das
condições climáticas. A identificação e quantificação do fenômeno da ilha de calor,
relacionada aos aspectos da urbanização, assim como a avaliação do conforto térmico.
A modificação das áreas vegetadas por causa da modificação na superfície pelas
atividades antropogênicas, transformando as grandes cidades em verdadeiras estufas.
Por meio de imagens de satélites o sensoriamento remoto, obtêm-se informações
sobre a superfície, a baixo custo, e ampla cobertura que pode ser explorada é maior,
entre diferentes resoluções espaciais, principalmente quando se utiliza as imagens de
infravermelho (térmicas), as quais mostram características das superfícies urbanas
quando comparadas com as outras superfícies do seu em torno. Entretanto a imagem
tem representatividade instantânea, assim dados de superfície auxiliam na melhoria da
exploração e avaliação da superfície.
13
3. OBJETIVOS
3.1 Geral
Observar o fenômeno Ilhas de Calor Urbanas (ICU) em função da modificação e/ou
crescimento das cidades de Teresina-PI e Timon-MA e a relação com conforto térmico,
por meio do sensoriamento remoto termal e do Índice de conforto térmico humano,
Temperatura Efetiva.
3.2 Específicos
Avaliar o aumento de Temperatura de Superfície de 2004 a 2016, através do
sensoriamento remoto, desta forma identificar a evolução da temperatura de
superfície ao longo dos anos nas cidades em estudo.
Comparar os valores de Temperatura de Superfície, com o índice de vegetação,
assim avaliar a relação entre as áreas com maiores e menores vegetação e a
temperatura superficial.
Observar o conforto térmico humano nas cidades de Teresina-PI e Timon-MA,
usando a temperatura efetiva e identificar áreas mais confortáveis das cidades e
as áreas com maior desconforto térmico.
Analisar a relação entre ilhas de calor e o conforto térmico nos anos de estudo,
mostrando se há uma influência no conforto local devido à intensificação do
efeito.
14
4. FUNDAMENTAÇÃO TEÓRICA
4.1 Ilhas de Calor
Um marco no estudo de ilhas de calor no Brasil foi o trabalho pioneiro de
Lombardo (1985) no qual foram utilizadas imagens da banda termal do mapeador
temático satélite Landsat 5 (banda 6) com resolução espacial 120 metros, e do sensor
AVHRR (Advanced Very High Resolution Radiometer) do satélite NOAA (National
Oceanic and Atmosphere Administration), com 1km de resolução para identificação de
ilhas de calor na Região Metropolitana de São Paulo.
De todas as modificações climáticas produzidas pela cidade, a mais evidente e
estudada consiste no fenômeno chamado de ilha de calor. É um fenômeno próprio das
cidades, resultante do processo de urbanização e características peculiares ao meio
urbano (BARBIRATO et al., 2007). O fenômeno da ilha de calor vem sendo observado
em cidades em todo o mundo (GARTLAND, 2010).
Ilha de calor (ou ICU, ilha de calor urbana) é a distribuição do campo de
temperatura, onde as temperaturas centrais tendem a serem mais elevadas que suas áreas
próximas (Figura 1).
Figura 1 - Representação de uma Ilha de Calor Urbana.
Fonte: Marcos & Diamantino, Geografia dos mundos: Fundamentos. São Paulo, FTD, 2006, p
91.
Fialho (2009) divide as ilhas de calor em três tipos: a) vertical, divida em Intra
urbana (da superfície até o telhado das construções) medida em micro escala e Limite
urbano (acima do nível dos telhados) medida em mesoescala e tem como interferência a
poluição, velocidade do vento e rugosidade urbana; b) de superfície, usa como medidor de
15
temperatura o sensoriamento remoto e tem como resultado a temperatura aparente da
superfície; c) atmosférica, onde a temperatura do ar é medida em secções móveis ou pontos
fixos, levando em consideração a cobertura da terra e o tipo de uso do solo.
Estudo realizado por Baptista (2002) corrobora com os conceitos preceituados
por LOMBARDO (1985), no que se consideram as questões vinculadas a uma ocupação
urbana desorganizada, principalmente com os impactos do aumento populacional.
Baptista (2002) realizou estudos na cidade do Distrito Federal, a partir de imagens
LANDSAT TM5 de 1984 e 2001, constatando um aumento médio da temperatura de 3º
C, neste período.
Atualmente, núcleos urbanos estão substituindo a vegetação, que auxilia na
regulação da temperatura do ar e gera sombra (LECHNER, 1991), por materiais como
asfalto, que tem os maiores coeficientes de absorção para radiação solar, além de ter alto
grau de aquecimento.
As ilhas de calor são o resultado de vários fatores físicos, sendo alguns
independentes da vontade humana como a velocidade dos ventos regionais. Porém, a
ação do homem, também, é um fator preponderante na formação destes microclimas,
como a utilização dos vários materiais na construção das cidades, dentre estes o asfalto,
pedra, tijolo, que absorvem radiação solar no período diurno, liberando-a durante a
noite, o que provoca aumento de temperatura do ar neste período (Cavalcante, 2007).
Os materiais usados na construção, como o asfalto e o concreto, servem de
refletores para o calor produzido na cidade. Durante o dia, os edifícios funcionam como
um labirinto de reflexão nas camadas mais altas de ar aquecido. À noite a poluição do ar
impede a dispersão de calor (LOMBARDO, 1985).
Os efeitos que surgem a partir das transformações do homem no meio
ambiente, podem afetar diretamente a população local causando-lhes
sensação de desconforto de diversas formas. Alterações essas,
causadas no espaço natural pelas cidades proporcionam a formação de
um clima urbano e de vários microclimas urbanos, derivados,
principalmente das diversas alterações no ambiente das cidades:
retirada da cobertura vegetal e substituição por áreas construídas;
introdução de novas formas no relevo; concentração de edificações,
que em conjunto aumentam a rugosidade urbana; concentração de
equipamentos e pessoas que através das atividades diárias liberam
calor antropogênico na atmosfera aumentando a temperatura do ar;
impermeabilização do solo; canalização do escoamento superficial;
lançamento concentrado e acumulado de partículas e gases na
atmosfera pela combustão dos veículos e indústrias; e produção de
energia artificial (MENDONÇA, 1994).
16
As ICU são caracterizadas por atuarem em duas diferentes camadas da atmosfera
urbana, uma numa escala mais local, que vai da superfície até a camada superior (entre
os edifícios) e outra numa escala maior, abrangendo também os arredores dos grandes
centros urbanos, até onde a influência das ICU interage com a atmosfera (OKE e
VOOGT, 2003).
As causas para a formação das ICU podem ser identificadas, não somente
através da temperatura da superfície, mas também quando se associa à superfície a
natureza da cobertura da área analisada (GOMES, 2011). Segundo Ferreira et al. (2005),
o estudo do uso/ocupação do solo consiste em conhecer toda forma de utilização do solo
por parte do homem ou pela caracterização dos tipos e categorias de vegetação natural
que reveste o solo.
Mesmo municípios que não são consideradas grandes metrópoles, podem ter
diferença entre temperatura rural e urbana comparável a de grandes centros urbanos
como São Paulo, como foi observado por Coltri et al. (2007), em estudo de ilha de calor
em Piracicaba, SP, outro exemplo de variação considerável de temperatura foi
constatado por Mashiki (2012) no município de Botucatu, SP com temperatura máxima
de 35º C na área urbana e 19º C na área rural.
Também podem ocorrer ilhas de calor em áreas rurais, se estiverem degradadas,
secas, mas elas podem não ocorrer em áreas urbanas, se estiverem adequadamente
arborizadas e com água disponível no solo para a evapotranspiração (PRIMAVESI et
al., 2007).
4.2 Sensoriamento Remoto
4.2.1 Imagens de Satélite
A série LANDSAT (Land Remote Sensing Satellite) foi iniciada no final da
década de 60, a partir de um projeto desenvolvido pela Agência Espacial Americana
dedicado exclusivamente à observação dos recursos naturais terrestres. O primeiro
satélite da série começou a operar em 1972 e as últimas atualizações ocorreram em 1999
com o lançamento do LANDSAT-7 e em 2013 com o lançamento do LANDSAT-8. As
imagens de satélite são obtidas por equipamentos (satélites artificiais) lançados à órbita
da Terra por foguetes e que através de sensores acoplados fazem a leitura da superfície
na terra formando imagem. O satélite Landsat 5 lançado em 1984 portando o sensor
Thematic Mapper (TM).
17
Cada banda termal do Landsat 5 é representada através de uma imagem
composta por uma matriz de pixels em 256 tons de cinza (COLTRI, 2006). Cada um
dos pixels que compõem a imagem tem um número digital (DN) associado, número
esse que corresponde à tonalidade de cinza através do qual é representado e à
característica da região (COLTRI, 2006).
As resoluções das imagens são dividas em três tipos: a resolução espacial,
definida pela capacidade do sensor de ―ver‖ os objetos na superfície terrestre;
aresolução espectral, definida pela numero de bandas e comprimento do intervalo de
onda utilizado pelo sensor; e a resolução radiométrica, que representa dados pelo sensor
através de níveis de cinza. (CROSTA, 1993).
4.2.2 Índices de Vegetação da Diferença Normalizada (IVDN)
Várias técnicas já foram estudadas com o objetivo de se determinar
quantitativamente e qualitativamente o estado da vegetação a partir de imagens de
satélites. Índices de vegetação foram então desenvolvidos a fim de reduzir o número de
parâmetros presentes nas medidas multiespectrais (FILHO et al., 2007).
A análise integrada dos atributos do meio físico urbano, tais como a topografia,
o clima e a cobertura vegetal, associados ao uso e à ocupação do solo, possibilita a
elaboração de um diagnóstico ambiental mais consistente de uma determinada área. Este
tipo de análise é recomendada por autores como Lu & Weng (2006), Mascaró (1991) e
Weng et al. (2004), entre outros.
Wallace (2000) realizou estudo para discriminação remota de campos de cereais
inundados, com experimentos utilizando aviões e também dados Landsat – TM. Foram
encontradas diferenças marcantes em culturas em terras secas e inundadas e concluiu
que as melhores faixas espectrais para estas discriminações são o infravermelho
próximo, por sua reflectância diminuída em áreas inundadas e o infravermelho termal,
pela diminuição da temperatura radiométrica nas mesmas áreas. Esses resultados
indicaram que as plantas saudáveis (não inundadas) têm maior reflectância no
infravermelho próximo e maior temperatura no infravermelho termal.
A presença de Ilhas de Calor na maioria das vezes está relacionada a pouca ou
nenhuma vegetação, e como parâmetro de medida os índices de vegetação são utilizados
como indicadores da presença de cobertura vegetal. Os índices de vegetação, dentre
18
outras coisas, ressaltam o comportamento espectral da vegetação em relação ao solo e a
outros alvos da superfície terrestre (MOREIRA, 2003).
4.2.3 Temperatura de Superfície
A temperatura da superfície (Ts) é um elemento chave nos processos físicos da
superfície terrestre em escalas regional e global, combinando os resultados de todas as
interações superfície-atmosfera e fluxos de energia entre a atmosfera e o solo (Wan,
2008). Então, pesquisas recentes em sensoriamento remoto identificaram a Ts como um
dos parâmetros fundamentais para o controle de processos físicos, químicos e
biológicos na interface entre a terra e a atmosfera, afirmam Zhang et al. (2009).
Segundo estudo realizado por Lo & Quatrocchi (1985), a análise multitemporal
de imagem de satélite visa verificar se houve aumento na temperatura média da
superfície ao longo dos anos, o que pode ser um indicador do surgimento ou
intensificação do fenômeno ilha de calor. A variação espacial da temperatura, tratado
em estudos como o de Weng et al. (2004), teve o objetivo de verificar padrões de
variação da temperatura da superfície ou ainda, diferenças de tipos de uso e cobertura da
terra.
A temperatura de solos nus pode variar em alguns graus em dezenas de metros e
entre áreas plantadas e não plantadas a variação é maior. A radiância emitida
termicamente por qualquer superfície depende da temperatura da superfície, da
emissividade da superfície, sendo que esta última representa a eficiência da superfície
em transmitir a energia radiante gerada no solo. A temperatura do ar não é boa
indicadora da temperatura de superfície, porque em algumas superfícies com baixa
evaporação (vegetação ―estressada‖), a temperatura de superfície excede em vários
casos em 7ºC a temperatura do ar (Price, 2002).
A obtenção da temperatura da superfície terrestre através de imagens termais,
obtidas por sensoriamento remoto, é de considerável importância para muitas aplicações
em
oceanografia,
estudos
de
mudanças
climáticas,
geologia,
hidrologia
e
monitoramento da vegetação (Sobrino et al., 1996).
Quando se trata dos elementos climáticos, a temperatura é um dos elementos de
maior sensibilidade, sendo influenciada facilmente pela urbanização; essa mudança é
observada, muitas vezes, em nível local nos grandes centros urbanos (Santiago &
Gomes, 2016).
19
4.3 Conforto Térmico
O conceito de conforto térmico implica necessariamente na definição de índices
em que o ser humano sinta confortabilidade em decorrência de condições térmicas
agradáveis ao corpo. Para García, conforto térmico consiste no conjunto de condições
em que os mecanismos de autorregulação são mínimos, ou ainda na zona delimitada por
características térmicas em que o maior número de pessoas manifeste se sentir bem
(García, 1985).
Costa (2005), fala das mudanças (tais como, urbanização e industrialização)
ocorridas nos grandes centros urbanos, nos últimos anos, são consequências do aumento
da concentração populacional, que sobrecarrega a infraestrutura básica nesses centros.
Acelerando, assim, o processo de substituição e degradação do ecossistema natural por
estruturas artificiais sem o compromisso de oferecer uma qualidade ambiental urbana a
seus habitantes.
Segundo MARCONDES (1981, p. 21), "O ambiente onde o homem vive é um
produto de sua atividade, não podendo ser analisado sem levar em conta a natureza das
relações sociais existentes". Assim, pode-se afirmar que o homem é o agente que mais
interfere na natureza, e é submetido aos elementos climáticos para atender suas
necessidades, principalmente de alimentação e moradia.
O conceito de conforto térmico implica necessariamente na definição
de índices em que o ser humano sinta confortabilidade em decorrência
de condições térmicas agradáveis ao corpo (...) conforto térmico
consiste no conjunto de condições em que os mecanismos de
autorregulação são mínimos, ou ainda na zona delimitada por
características térmicas em que o maior número de pessoas manifeste
se sentir bem. (GOMES & AMORIM, 2003, p. 96).
Evans (1980) fala que existem quatro fatores do ambiente térmico os quais
afetam a taxa de perda de calor do corpo e, por conseguinte, o conforto térmico, sendo
eles a temperatura, a umidade, a radiação e movimento do ar. Já Olgyay (1998) ao
abordar a relação entre os elementos climáticos e o conforto, aponta como principais
elementos o movimento do ar, a pressão de vapor, a evaporação e o efeito da radiação
(temperatura). Cavalcante (2007) acredita que as variáveis ambientais que estão
relacionadas ao conforto térmico, as principais são a temperatura do ar, a umidade
relativa do ar, a velocidade do ar e a temperatura radiante média.
20
4.3.1 Temperatura do Ar
A variação da temperatura do ar na superfície da terra resulta basicamente dos
fluxos das grandes massas de ar e da diferente recepção da radiação do sol de local para
local, sendo esta taxa de aquecimento e resfriamento da superfície terrestre o principal
fator determinante da temperatura do ar acima dela (GIVONI, 1976). Lamberts et al.
(1997) fala sobre esta ser a variável ambiental mais conhecida e de mais fácil medição.
É importante ressaltar que para temperaturas iguais, a sensação de conforto
térmico pode ser desigual em consequência de variáveis como o vento e a umidade
relativa do ar (Giralt, 2006).
4.3.2 Umidade do Ar
A umidade relativa é uma variável de fundamental importância no estudo do
conforto térmico, tem uma variação nas diferentes horas do dia e épocas do ano, mesmo
quando a pressão de vapor permanece constante. Isto se dá devido às mudanças diurnas
e anuais na temperatura do ar, que determina a capacidade potencial do ar em conter
determinada quantidade de vapor d’água (GIVONI, 1976).
Efeitos causados pela umidade do ar no conforto humano são de certa forma
atuando diretamente na capacidade da pele de evaporar o suor. Deve-se compreender
que em altas umidades relativas temos mais dificuldades em evaporar o suor,
aumentando a sensação de desconforto térmico (LAMBERTS ET AL., 1997).
A umidade corresponde à quantidade de vapor d’água encontrada no ar
atmosférico em um determinado instante e pode ser expressa em valor absoluto e valor
relativo. A umidade é relativa ao ponto de saturação de vapor de água na atmosfera, em
média 4% que, ao alcançar esse valor, tem-se certamente precipitação, ou seja, chuva
(Giralt, 2006).
A umidade tem relação direta com a quantidade de vapor d’água presente no ar,
as partículas em suspensão possuem maior poder de absorver o calor solar e se
aquecerem, que funcionam como uma barreira da radiação solar de dia e do calor
dissipado no período noturno (Cavalcante, 2007). Dessa forma, Lambers e Xavier
(2002) consideram os valores entre 30% e 70% uma faixa satisfatória para o conforto
térmico.
21
5. DADOS E METODOLOGIA
5.1 Áreas de Estudo
5.1.2 O Município de Teresina-PI
O município de Teresina é capital e o município mais populoso do estado do
Piauí. Tem um território de aproximadamente 1392,0 km² (Figura 2). Localiza-se
no Centro-Norte Piauiense a 353 km do litoral, sendo, portanto, a única capital
da Região Nordeste que não se localiza as margens do Oceano Atlântico. Possuindo
uma população de 844.245 habitantes segundo o Censo Demográfico do Instituto
Brasileiro de Geografia e Estatística (IBGE). O município está integrado junto à
cidade maranhense de Timon,
formando,
assim,
a Região
Integrada
de
Desenvolvimento da Grande Teresina (RIDE), que aglomera cerca de 1.194.911
habitantes segundo o IBGE. Estende-se entre os paralelos com latitude de 5°5'20 sul e
longitude de 42°48'07 oeste, localiza-se próximo à divisa com o Maranhão, a oeste do
estado, em uma altitude de 72 metros, em média. A cidade é separada da cidade
de Timon (Maranhão) pelo Rio Parnaíba (BASTOS e ANDRADE JÚNIOR, 2008).
Figura 2 - Posição geográfica da cidade de Teresina-PI.
Fonte: Autor, 2016.
22
5.1.3 O Município de Timon-MA
A cidade de Timon está localizada à margem esquerda do Rio Parnaíba, divisa
com o estado do Piauí e fica a 426 km da capital São Luís, estando 69 m acima do nível
do mar. A cidade possui área de 1.743,246 km² e densidade demográfica de 89,18
hab/km² (IBGE 2013), Figura 3. A população estimada pelo IBGE é de 161.721
habitantes. Existe cerca de 40 balneários no município de Timon, um dos pontos fortes
em relação ao turismo, pois possuem um forte potencial de atração. A culinária também
é outro ponto forte. Timon é o quarto município em população do estado, superando
Caxias, e o quinto em arrecadação de ICMS. Está inserido na Rede Integrada de
Desenvolvimento da Grande Teresina (Ride) e tornou-se ponto estratégico para o
desenvolvimento dessa região. A economia do município é voltada basicamente para os
pequenos negócios e para a agricultura de subsistência (ATI, 2016).
Figura 3 - Posição geográfica da cidade de Timon-MA
Fonte: Autor, 2016.
5.2 Dados
Foram utilizadas seis imagens, quatro obtidas pelo satélite Landsat-5 TM,
adquiridas no Catálogo de Imagens - DGI - INPE (http://www.dgi.inpe.br/CDSR/) e
duas obtidas do Landsat-8 no site da USGS (http://earthexplorer.usgs.gov/). As imagens
23
possuem sete bandas espectrais cada imagem do sensor TM do Landsat-5 e imagens do
sensor OLI/TIRS do Landsat-8. As imagens correspondem à passagem do satélite no
ponto 219, órbitas 63 e 64 nas datas conforme a Tabela.1.
Tabela 1- Datas das passagens do satélite.
Landsat 5
Landsat 8
20 de Junho de 2004
18 de Julho de 2014
10 de Junho de 2006
23 de Julho de 2016
01 de Julho de 2008
21 de Junho de 2010
Fonte: Autor, 2016.
Foram obtidos dados horários, diários e mensais de temperatura e umidade
relativa do ar, para os anos de estudo obtidos nas estações pertencentes ao Instituto
Nacional de Meteorologia (INMET), e localizado nas cidades de Teresina-PI e TimonMA, utilizados no cálculo do Índice de Conforto Térmico Humano, conforme o item
5.4.4. Para criação dos mapas de interpolação, foram necessários coleta de dados de
temperatura de superfície, os dados são baseados em pontos aleatórios com latitude e
longitudes, Figura 4.
Figura 4: Localização dos pontos de estudo.
Fonte: Autor, 2016.
24
5.3 Metodologia
As sete bandas de cada uma das imagens foram empilhadas e depois recortadas,
através do software Qgis 2.14, que resultou em um recorte irregular referente à área de
estudo.
Para o processamento das imagens foram desenvolvidos modelos através da
ferramenta Model Maker do programa ERDAS Imagine 9.2 e Qgis 2.14, tendo imagens
necessárias para a obtenção da temperatura na superfície terrestre, que serviu de base
para a identificação das ilhas de calor. Foi feita a união das cidades de Teresina-PI e
Timon-MA para a área de estudo, totalizando 3135,2 Km², como visto na Figura 5.
Figura 5 - Posição geográfica da área de estudo.
Fonte: Autor, 2016.
5.3.1 Estimativa da Temperatura de superfície.
O cálculo da temperatura de superfície da área de estudo segundo as etapas de
processamento das imagens descritas no fluxograma da Figura 6. As etapas referentes
ao algoritmo SEBAL foram aplicadas segundo o cálculo da radiância espectral,
25
reflectância espectral, índices de vegetação e temperatura da superfície, realizadas no
software ERDAS Imagine 9.2.
Figura 6 - Fluxograma das etapas do processamento da temperatura de superfície.
Fonte: Autor, 2016.
Calibração Radiométrica – Etapa 1
Para obtenção da calibração radiométrica, o número digital (ND) de cada pixel da
imagem foi convertido em radiância espectral monocromática. Essas radiâncias
representaram a energia solar refletida por cada pixel, por unidade de área, de tempo, de
ângulo sólido e de comprimento de onda, medida ao nível do satélite Landsat (705 km),
para as bandas 1, 2, 3, 4, 5 e 7. Para a banda 6, essa radiância representa a energia
emitida por cada pixel segundo a equação 1 de Markham & Baker (1987):
L λi a i
bi a i
ND
255
(1)
2
1
1
Em que a e b são as radiâncias espectrais mínimas e máximas ( Wm sr μm , Tabela
2); ND é a intensidade do pixel (número digital – número inteiro de 0 a 255); e i
corresponde as bandas (1, 2, ... e 7) do satélite Landsat 5 - TM.
Tabela 2- Descrição das bandas do sensor TM, apresentando os coeficientes de calibração
(Lmin e Lmáx) e irradiâncias espectrais no topo da atmosfera, (para imagens após 4 de
maio de 2003).
Bandas Espectrais
Comprimento De onda
(µm)
Após 04/05/2003
Lmin
Lmax
Kλi
1 (Azul)
2 (Verde)
0,45-0,52
0,52-0,60
-1,52
-2,84
193
365
1957
1826
3 (Vermelho)
0,63-0,69
-1,17
264
1554
4 (IV-Próximo)
0,76-0,90
-1,51
221
1036
5 (IV-Médio)
1,55-1,75
0,37
30,2
215
6 (IV-Termal)
10,4-12,5
1,2378
15,303
--------
7 (IV-Distante)
2,08-2,35
-0,15
16,5
80,67
Fonte: Chander e Markham, 2003
26
Reflectância Monocromática – Etapa 2
A Etapa 2 representa o cômputo da reflectância monocromática de cada banda
(ρ λi ) , definida como sendo a razão entre o fluxo de radiação solar refletido pela
superfície e o fluxo de radiação solar global incidente, que é obtida segundo a equação
2 (Allen et al., 2002):
ρ λi
π . L λi
k λi . cos Zi. d r
(2)
Onde Lλi é a radiância espectral de cada banda, k λi é a irradiância solar espectral de
cada banda no topo da atmosfera (Wm 2 μm 1 , Tabela 4), Zi é o ângulo zenital solar e
d r é a razão entre a distância média Terra-Sol (ro) e a distância Terra-Sol (r) em dado
dia do ano (DJ), que de acordo com Iqbal (1983), é dada por:
r
r
2
Dr = o 1,000110 0.034221cos Γ 0,001280senΓ 0,000719cos 2 Γ 0,000077sen2 Γ
Onde: Γ 360 (DJ 1) / 365)
(3)
DJ: é o dia Juliano (contagem sucessiva de dias a partir do dia 1° de janeiro de cada
ano).
Índices de Vegetação: IVDN, IVAS e IAF – Etapa 3
O Índice de Vegetação da Diferença Normalizada (IVDN) é obtido através da
razão entre a diferença das refletividades do IV-próximo ( ρ IV ) e do vermelho ( ρ V ) pela
soma das mesmas (Allen et al., 2002):
IVDN
ρ IV ρ V
ρ IV ρ V
(4)
Onde ρ IV e ρ V correspondem, respectivamente, as bandas 4 e 3 do Landsat 5 – TM.
O IVDN é um indicador sensível da quantidade e da condição da vegetação verde.
Seus valores variam de –1 a +1 e para superfícies com alguma vegetação o IVDN varia
entre 0 e 1, já para a água e nuvens o IVDN geralmente é menor que zero.
Para o cálculo do Índice de Vegetação Ajustado para os Efeitos do Solo (IVAS)
que é um índice que busca amenizar os efeitos do ―background‖ do solo, é utilizada a
expressão (Huete, 1988):
27
SAVI
(1 L)(ρ IV ρ V )
(L ρ IV ρ V )
(5)
Onde L é constante. Em vários estudos utiliza-se L = 0,5, que é o valor mais frequente
na literatura (Huete &Warrick, 1990; Accioly et al., 2002; Boegh et al., 2002).
O Índice de Área Foliar (IAF) é definido pela razão entre a área foliar de toda a
vegetação por unidade de área utilizada por essa vegetação. O IAF é um indicador da
biomassa de cada pixel da imagem e o mesmo é computado pela seguinte equação
empírica obtida por Allen et al. (2002):
0,69 SAVI
ln
0,59
IAF
0,91
(6)
Emissividades – Etapa 4
Para a obtenção da temperatura da superfície, é utilizada a equação de Planck
invertida, válida para um corpo negro. Como cada pixel não emite radiação
eletromagnética como um corpo negro, há a necessidade de introduzir a emissividade de
cada pixel no domínio espectral da banda termal ε NB . Por sua vez, quando do cômputo
da radiação de onda longa emitida por cada pixel, há de ser considerada a emissividade
no domínio da banda larga ε 0 (6 – 14 µm). Segundo Allen et al. (2002), as
emissividades ε NB e ε 0 podem ser obtidas, para IVDN>0 e IAF<3, segundo:
ε NB 0,97 0,00331 IAF
(7)
ε 0 0,95 0,01 IAF
(8)
Para pixels com IAF 3 , ε NB ε 0 0,98 . Para corpos de água (IVDN<0), no caso
do lago de Sobradinho e do leito do Rio São Francisco, Silva & Cândido (2004)
utilizaram os valores de ε NB 0,99 e ε 0 0,985, conforme Allen e al. (2002).
Temperatura da Superfície – Etapa 5
Para a obtenção da temperatura da superfície ( Ts ) são utilizados a radiância
espectral da banda termal L λ,6 e a emissividade ε NB obtida na etapa anterior. Dessa
forma, obtém-se a temperatura da superfície (K) pela equação 10:
28
Ts
K2
ε K
ln NB 1 1
L λ,6
(9)
2 1
1
Onde K1 607,76 Wm sr μm e K 2 1260,56 K são constantes de calibração da
banda termal do Landsat 5 –T (Allen et al., 2002).
5.3.1.2 Estimativa da Temperatura de superfície para imagens do Landsat 8.
Calibração Radiométrica – Etapa 1
Para as imagens do Landsat 8, a determinação da Calibração Radiométrica (
cada pixel e banda, os aditivos (
) e multiplicativos (
), de
) termos relativos
à irradiação foram utilizados, também extraída dos metadados de cada imagem
conforme mostrados na Tabela 3, e (
) Níveis de cinza, calculada de acordo com a:
( 10 )
Tabela 3- Aditivos e Multiplicativos referentes aos dias 18 de Julho de 2014 e 23 de Julho
de 2016.
Bandas
18/07/2014
23/07/2016
2
0.012449
-62.24613
0.012459
-62.29521
3
0,011472
-57.35928
0.012459
-57.40450
4
0,0096737
-48.36858
0.0096813
-48.40671
5
0,0059198
-29.59916
0.0059245
-29.62249
6
0,0014722
-7.36104
0.0014734
-7.36684
7
0,00049621
-2.48106
0.00049660
-2.48302
10
0,00033420
0,10000
0,00033420
0,10000
Fonte: Metadados, 2016.
Reflectância Monocromática – Etapa 2
Para o computo da reflectância no landsat 8, em cada uma das bandas foi obtida por
Chander & Markham (2003 ), Equação 5 :
29
(
Onde:
)
(
)
- representam aditivos e multiplicativos termos de
coeficiente de reflexão de cada banda, extraída a partir da metadados de cada imagem
(group = radiometric_rescaling), conforme bem como o ângulo zenital Sun - Z;
- intensidade de cada pixel e banda ( valor entre 0 e 65365 ) ;
b - índice que representa cada uma das seis bandas OLI ;
dr - corresponde à correção da excentricidade
a órbita terrestre , dada por :
(
)
( 12 )
- distância Terra-Sol (unidade astronômica ) no dia de cada imagem, também
extraída dos metadados. Para o ano de 2014 (
= 1,0162552) e 2016 (
=1,0158549).
As demais etapas referentes ao algoritmo SEBAL são as mesmas do
Landsat-5 foram aplicadas após a calibração radiométrica e a reflectância
monocromática o índice de vegetação e temperatura da superfície.
5.3.2 Interpolação
Os métodos de interpolação são baseados no conceito de dependência espacial,
segundo o qual os valores tendem a ser mais semelhantes em locais próximos do que em
locais separados por uma distância maior, até um limite em que a semelhança entre um
par de pontos qualquer não é afetada pela distância. Existe a necessidade de se estimar
valores de determinadas características em locais que não se tem informação. Esse
processo é feito pelo uso de métodos de interpolação, que utilizam a informação dos
lugares com dados e a distância de separação dos pontos para estimar o valor nos locais
desconhecidos (TREVISAN, 2014).
O método utilizado foi o inverso da distância, também chamado de IDW
(Inverse Distance Weighted), o inverso ponderado da distância é um método puramente
matemático, segundo Miranda (2005), este método estima um valor para um local não
amostrado como uma média dos valores dos dados dentro de uma vizinhança. O IDW
utiliza os dados próximos, tendo maior peso os valores com maior distância, assim cada
30
ponto tem uma influência no ponto criado, diminuindo assim a medida que se aumenta a
distância. Para o cálculo da interpolação do valor de um ponto através do método do
IDW, utiliza-se a seguinte equação matemática:
( )
∑
( )
∑
( 13 )
( )
Em que, u(x) - é o valor do ponto que se deseja interpolar; n - é a quantidade de pontos
próximos utilizados na interpolação do ponto x; u(xi) - é o valor do ponto xi; e ωi - é o
peso do valor de xi sobre o ponto xi. Para se determinar ωi utiliza-se a seguinte equação
matemática:
(
( 14 )
)
Em que, d(x, xi) - é a distância entre o ponto x e o ponto xi; e p - é o parâmetro de
potência, geralmente igual a dois. Os parâmetros com maiores potência enfatizam
pontos mais próximos, tornando o resultado menos suavizado e os de menores potências
os mais distantes, entretanto com menor precisão.
5.3.3 Cálculo do índice de Conforto Térmico Humano
O conforto térmico, expressa o bem estar do ser humano em função das
condições do meio, sendo ele influenciado principalmente pela temperatura e a umidade
relativa do ar, no qual o homem pode sentir nível de confortável de acordo com as
variações climáticas. O homem é capaz de regular a sua temperatura através de
processos metabólicos, onde ela fica em torno de 37°C, sendo o limite inferior 32°C e o
superior 42°C para a sobrevivência (FROTA; SHIFFER, 2001).
O índice utilizado foi a Temperatura Efetiva (TE), proposto por Missenard
(1937); citado em Suping et al.,(1992):
(
)(
)
( 15 )
Onde, T é a temperatura do ar em ºC e UR a umidade relativa em %.
Hentschel (1986); citado em Suping et al.,(1992), aponta a temperatura efetiva
como o indicador mais adequado para ambientes externos, em condições de calor, e
31
estabelece que valores de TE entre 12 ºC e 24 ºC estão associados a sensação
confortável, conforme a Tabela 4, para pessoas exercendo atividades de recreação,
turismo e da vida cotidiana.
Tabela 4- Classificação das condições de conforto térmico humano pela temperatura
efetiva.
TE (°C)
Sensação Térmica Humana
> 30
Calor Extremo
24 a 30
Calor Moderado
18 a 24
Agradável- Levemente Quente
12 a 18
Agradável- Levemente Fresco
0 a 12
Fresco
- 12 a 0
Frio
< - 12
Frio Extremo
Fonte: Hentschel (1986); citado em Suping et al.,(1992), Adaptada pelo Autor, 2016.
32
6. RESULTADOS E DISCUSSÕES
A Figura 7 mostra as precipitações referentes aos meses das imagens de satélite,
assim dos meses em estudo e suas respectivas datas de passagens do satélite. Os valores
do ano de 2004 foram afetados, devido precipitações de 6,5 mm nos cinco dias
antecedentes e 0,2 mm no dia da passagem do satélite. Os demais dias e meses em
estudo, não foram afetados por precipitações antecedentes. Precipitações anteriores à
passagem do satélite podem afetar os valores das temperaturas de superfície como dita
por REICHARDT e TIMM (2004), que a grande influência da precipitação na
temperatura, pois parte da energia proveniente da radiação solar absorvida pela
superfície é usada como calor latente na evaporação da água nela contida, reduzindo a
sua temperatura.
Figura 7 - Precipitações referentes aos meses de Junho/Julho dos anos de estudo.
Fonte: Autor, 2016.
6.1 Temperatura de Superfície
Quando se compara as temperaturas de superfície entre os anos de 2004 e 2016,
notou-se o aumento das temperaturas com o passar dos anos. O ano de 2004, (Figura
8A), exibe valores máximos próximos de 27 °C com tonalidade em vermelho e valores
mínimos próximos de 21 °C, tonalidade de azul-escuro, por outro lado em 2016, (Figura
8B), os valores máximos são próximos de 40 °C, tonalidade de vermelho e os valores
mínimos próximos de 30 °C, tonalidade azul-escuro. A diferença foi de um aumento nas
33
temperaturas máximas de superfície, aproximadamente de 13 °C ao longo de 12 anos, e
de 9 °C na temperatura mínima, (Santiago & Gomes, 2016) encontraram uma variação
de 10°C ao longo de oito anos na cidade de Maceió-AL. Isso se deve as tendências no
aumento térmico ao longo dos anos, decorrente do crescimento das cidades, que eleva a
densidade de construções, geralmente com materiais de grande absorção de calor, como
altos edifícios, vidro e concreto, além de outros fatores como o elevado índice de
asfaltamento, a falta de espaços livres para a circulação do ar.
Figura 8 - Comparação entre as temperaturas de superfície, para 2004 (A) e 2016 (B).
Fonte: Autor, 2016.
Fazendo uma comparação a cada seis anos, notou-se o aumento das temperaturas
de superfície como mostrado na Figura 9A com destaque aos pontos P4, P11, P12 e
P14, os quais são os pontos de maiores temperaturas encontrados ao longo dos anos de
estudo. A Figura 9B mostra quatro pontos, o ponto P4 mostrado destaca a área de solo
nu e os demais pontos, P11, P12 e P14 as áreas das cidades de Teresina-PI e TimonMA. Áreas onde há vegetação as temperaturas tendem a serem menores, devido à
34
radiação incidente ser utilizada nos fluxos de calor latente para a evapotranspiração e a
presença de água dentro das folhas dificulta o aumento da temperatura, devido ao
elevado calor específico da água (PRIMAVESI et al, 2007).
Figura 9 - Comparação das temperaturas de superfície (A), para os anos de 2004, 2010 e
2016, para os pontos selecionados no estudo e sua forma de ocupação (B).
Fonte: Autor, 2016.
Em busca de construir ou edificar um ambiente para si, o homem modifica o
equilíbrio entre a superfície e a atmosfera. Assim gerando um clima próprio de cidades.
Na Figura 9 observou-se a comparação entre a forma de ocupação do solo Figura 10B e
a temperatura local Figura 10A, onde se observou na que as variações de temperatura
deram-se à medida que se distanciava da área de cidades as temperaturas diminuem,
entre a área de cidade (P14) e o ponto P13 houve uma variação de 9°C e entre a cidade
(P14) e o P15 uma variação de 6°C. A figura 10B mostrou que os pontos P13 e P15 são
áreas de vegetação ou áreas sem construções, já o ponto P14 área da cidade Teresina-PI
e Timon-MA. As ilhas de calor urbanas são resultados das modificações causadas pelo
homem assim como dito por Viana (2006), onde esses ambientes são pensados de
maneira a atender às necessidades humanas, e excluem da lista de prioridades a
35
preservação do meio ambiente e a qualidade de vida. Moreira (2007) encontrou
amplitude térmica em torno de 8º C nas áreas onde o predomínio do concreto é mais
acentuado. Estas áreas apresentaram temperaturas superiores a 28ºC, enquanto que as
áreas onde o elemento vegetação é mais intenso as temperaturas ficaram em torno de
22ºC.
Figura 10 - Comparação entre a temperatura de superfície (A) e a forma de ocupação do
solo (B) para os anos de estudo.
Fonte: Autor, 2016.
Ao se comparar o mapa de IVDN com o mapa da distribuição da temperatura
superficial (Figura 11A e 11B), observou-se que as Ts mais elevadas foram registradas
em locais de densa urbanização, seguida pelas áreas de solo exposto. Os pontos P4, P11,
P12 e P14, mostraram temperaturas próximas dos 38 °C, na Figura 11B, os mesmos
pontos estão com valores de IVDN entre negativos (corpos d’água) e 0.16, ambos em
tonalidade de vermelho, em pontos como P8, P13 e P17 mostraram temperaturas
36
próximas de 31 °C, tonalidades de azul-escuro e IVDN maiores que 0.5 com tonalidades
em verde-escuro. O IVDN é um indicador sensível da quantidade e da condição da
vegetação verde, com valores variando de –1 a +1. Para superfícies com alguma
vegetação o IVDN varia entre 0 e 1. Já para a água e nuvens o IVDN geralmente é
menor que zero (ALLEN et al., 2002). Assim, o IVDN estabelece uma relação inversa,
onde os maiores valores de IVDN são densas vegetações com temperaturas menores, já
que as vegetações absorvem parte da radiação para produção da fotossíntese e as
maiores temperaturas de superfície foram encontradas nos menores valores de IVDN.
Diversos autores afirmam que transformações das superfícies dos solos são
responsáveis por profundas mudanças no balanço de energia, causando, dentre outras
consequências, influência na dinâmica do movimento do ar, aumento da temperatura
nas cidades e o fenômeno da Ilha de Calor Urbana (ICU) (AYOADE, 2001;
SANT’ANNA NETO, 2000; LOMBARDO, 1985; CARNAHAM & LARSON, 1990;
KIM & BAIK, 2005).
Figura 11 - Comparação entre a distribuição da Temperatura de Superfície (A), e o Índice
de Vegetação da Diferença Normalizada (IVDN) (B) para o ano de 2016.
Fonte: Autor, 2016.
37
6.2 Índices de Vegetação da Diferença Normalizada (IVDN).
Quando comparado os IVDNs ao longo dos 12 anos de estudo, observou-se a
diminuição ao longo dos anos (Tabela 5), os valores relacionados aos máximos, médios
e mínimos do IVND relacionados ao longo dos anos, exibiu um decréscimo ao longo
dos 12 anos de estudo, onde em 2004 houve um valor máximo de 0.832, e em 2016
valores máximos de 0.513. Consequentemente os valores médios seguiram o padrão de
diminuição. Os valores mínimos mostraram um aumento negativamente, assim
mostrando que houve aumento nas áreas sem vegetação e corpos d’água.
Tabela 5- Valores máximos, médios e mínimos de IVDN para os anos de estudo.
Anos
2004
2006
2008
2010
2014
2016
Máximo
0.832
0.830
0.753
0.787
0.731
0.632
Médio
0.617
0.632
0.583
0.516
0.344
0.381
Mínimo
-0.595
-0.535
-0.664
-0.688
-0.775
-0.766
Fonte: Autor, 2016.
O ano de 2004, (Figura 12A), foi o que se mostrou os maiores valores, maiores
que 0.60, por causa da maior densidade de vegetação na área de estudo em tonalidade
de verde-escuro. Os menores valores para 2004 foram encontrados na parte urbana,
valores com valores menores que zero (corpos d’água) e 0.20 (solo nu e/ou cidades),
variando da tonalidade de vermelho ao laranja. O ano de 2006, Figura 12B, obtiveram
valores próximos do ano de 2004, predominando densas vegetações com valores
variando dos 0.41 a maior que 0.60, variando do verde-claro ou verde-escuro e os
menores para as cidades e corpos d’água. As Figuras 12C e 12D mostraram a
diminuição das vegetações, onde ainda se observou valores próximos dos maiores que
0.60, entretanto já se mostrou uma maior predominância nos valores entre 0.41 e
maiores que 0.60 tonalidade do verde-claro. Valores entre zero e 0.40 já são visto, em
aumento.
Os valores para os anos de 2014 e 2016 (Figuras 12E e 12F, respectivamente),
mostraram os valores menores na comparação entre os seis anos de estudo com
mudanças significativas constatadas nas classes de IVDN baixo e solo exposto. Fatores
como o ENOS (El Niño-Oscilação Sul) que influenciaram em uma seca severa entre
38
2012-2015 para o nordeste brasileiro, neste período foi considerada a pior seca entre as
últimas décadas, afetando grandes setores como a pecuária, áreas industriais e
principalmente os setores agrícolas. MOLION (2000) Fala que o impacto causado pelo
fenômeno El Niño-Oscilação Sul (ENOS), um exemplo de perturbação climática de
escala global, pode ser sentido principalmente pela modificação no regime e no total de
precipitação que, dependendo da intensidade do evento, pode resultar em secas severas,
interferindo, de forma expressiva, nas atividades humanas.
Desta forma Valores maiores que 0.60 são poucos observados na Figura 12E,
predominando os valores entre zero e 0.20, cores do vermelho ao amarelo. Entre os anos
de 2014 e 2016 os valores em maiores destaques estão em vermelho, faixa onde as áreas
sem qualquer cobertura vegetal /ou áreas construídas estão inseridas. Segundo Sartori
(2009), mesmo em condições de boa disponibilidade de água, existem áreas com
valores baixos de IVDN, que podem ser devido à presença de solo exposto ou ainda
devido ao tipo de solo com baixa retenção de água. Solos rasos, pedregosos ou de
textura arenosa podem intensificar os efeitos da deficiência de água na classificação do
IVDN.
Figura 12- Frequências de valores dos Índices de Vegetação da Diferença Normalizada
(IVDN) para os anos de 2004 (A), 2006 (B), 2008 (C), 2010 (D), 2014 (E) e 2016 (F).
(A)
Frequência 2004
(B)
Frequência 2006
70000
60000
60000
50000
50000
40000
40000
30000
30000
20000
20000
10000
10000
0
0
<0
0.0 - 0.21 - 0.41 - > 0.60
0.20 0.40 0.60
<0
0.0 - 0.21 - 0.41 - > 0.60
0.20 0.40 0.60
39
(C)
(D)
Frequência 2008
25000
40000
35000
30000
25000
20000
15000
10000
5000
0
20000
15000
10000
5000
0
<0
(E)
Frequência 2010
0.0 - 0.21 - 0.41 - > 0.60
0.20 0.40 0.60
<0
(F)
Frequência 2014
40000
35000
30000
25000
20000
15000
10000
5000
0
0.0 - 0.21 - 0.41 - > 0.60
0.20 0.40 0.60
Frequência 2016
60000
50000
40000
30000
20000
10000
0
<0
0.0 - 0.21 - 0.41 - > 0.60
0.20 0.40 0.60
<0
0.0 - 0.21 - 0.41 - > 0.60
0.20 0.40 0.60
Fonte: Autor, 2016.
Com base na Figura 13 os valores de 2016 comparados com 2004 mostraram
que a crescente urbanização tendeu a uma diminuição da vegetação, à medida que as
cidades se expandem, o aumento do desmatamento vai cedendo lugar às áreas
construídas, também aumentando as áreas de solos expostos e as temperaturas
aumentam como visto na Figura 13.
IVDN’s acima de 0,6 são considerados boa
condição de vegetação. Nas áreas com maiores IVDN as temperaturas são baixas, nas
áreas de solo nu e/ou urbanizada são encontrados valores maiores de temperaturas, já
que são áreas com maior retenção de calor.
40
Figura 13 - Comparação entre os valores médios de Índice de Vegetação da Diferença
Normalizada (IVDN) e a Temperatura Média de Superfície.
Fonte: Autor, 2016.
6.3 Temperatura efetiva
Com exceção do ano de 2004, no qual os valores de temperaturas radiométricas
calculadas (temperatura de superfície) foram menores que as temperaturas do ar, devido
à influência de precipitação em dias antecedentes, e no dia da imagem que contribuíram
nas baixas temperaturas no ano, as demais datas mostram que as temperaturas de
superfície foram superiores as temperaturas do ar, (Figura 14). Isto era esperado, já que,
a comparação foi feita com dois níveis diferenciados de medição, as da Superfície do
solo, através de detectores, os quais são usados para a medição das quantidades
espectrais de radiação incidente, refletida, transmitida ou emitida (Temperatura
radiométrica calculada) e entre 1,5 e 2 metros (Temperatura do ar) e devido o
aquecimento da atmosfera próxima à superfície terrestre, que ocorre principalmente por
transporte de calor, a partir do aquecimento da superfície pelos raios solares que
aquecem consequentemente a parcela de ar próximo da superfície.
A variação da temperatura efetiva foi crescente ao longo dos anos
acompanhando o aumento das temperaturas de superfície e do ar, na medida em que as
modificações foram feitas nas superfícies dos solos.
41
Figura 14 - Comparação entre a temperatura do ar, temperatura de superfície e a
temperatura efetiva, para os anos de estudo.
Fonte: Autor, 2016.
Os valores de temperatura mensal do ar, (Figura 15) mostraram aumento ao
longo dos anos. Observando o comportamento da temperatura do ar, o destaque foi para
o ano de 2016, linha laranja, ficou notória a diferença das temperaturas para os sete
primeiros meses, quando comparado com os outros anos. O retângulo mostra a variação
nos meses de imagens utilizadas no trabalho. As menores temperaturas foram variadas,
os valores mínimos foram entre 31 e 32 °C, com exceção dos anos de 2010 e 2016, os
mínimos foram maiores que 32°C, aumento próximo de 1,5°C na temperatura mensal
mínima. Os maiores valores foram encontrados entre os meses de setembro e novembro,
com predominância de maiores valores no mês de outubro, valores maiores que 37°C.
42
Figura 15 - Comparação entre a temperatura mensal do ar, para os anos de estudo.
Fonte: Autor, 2016.
Na Figura 16 foi feita uma comparação das temperaturas efetivas (TE) diárias
para o mês de julho, dos anos de 2004 e 2016. Ambos os anos se mantiveram na classe
de (> 30°C – Calor Extremo). Com exceções dos dias 3, 6 e 31 onde a TE de 2016 foi
menor que a de 2004, devido à alta umidade relativa, os demais dias o ano de 2016
superou 2004, mostrando assim o aumento do desconforto térmico humano ao longo
dos anos. No ano de 2004, os dias 4, 17, 27 e 29 ficaram na classe (24 a 30 – Calor
Moderado), em 2016 não houve dias com TE menores que 30°C.
Figura 16 - Comparação entre as temperaturas efetivas diárias, para o mês de Julho de
2004 e Julho de 2016.
Fonte: Autor, 2016.
43
Quando se refere às classificações dos índices de desconforto térmico humano os
valores de referência são para uma noção de como a temperatura e a umidade podem
influenciar na sensação de conforto térmico. Os índices expressam a sensação térmica
sentida pela população, com base nos dados locais obtidos, podendo ocorrer sensações
térmicas diferenciadas dependendo das variáveis individuais. Os valores das
temperaturas efetivas mensais (Figura 17) mostraram que os meses setembro e outubro
apresentaram os maiores valores entre 31°C e 33,4 °C, enquanto os menores ocorreram
no mês de junho próximos dos 30 °C. Comparando entre os anos, os valores de TE
aumentaram ao longo dos anos, intensificando os valores da classe de valores (> 30°C –
Calor Extremo). A cidade sofre certos desconfortos durante o dia, principalmente
porque os sistemas de ventos que chegam tem baixa velocidade, classificado como
―brisa‖.
Figura 17 - Comparação entre as temperaturas efetivas mensais, para os anos de estudo.
Fonte: Autor, 2016.
De um modo geral, observou-se a variação de temperatura de superfície tanto
temporal quanto intrazonal, ou seja, as variações entre os anos e as zonas (urbana e
rural). As maiores temperaturas foram encontradas em locais com maiores densidades
de edifícios com construções verticais, ou em áreas desmatadas, assim como foram
destacados em alguns pontos no estudo.
O processo de evolução da urbanização e dos equipamentos utilizados para
atender as necessidades antropogênicas e promovendo a redução das áreas verdes, está
contribuindo no aumento da superfície de absorção térmica, e o crescimento das áreas
44
impermeabilizadas, influenciando na elevação dos valores de temperatura, causando
grandes desconfortos térmicos aos habitantes da zona urbana, como observado no índice
de temperatura efetiva, devido à evolução ou formação de um efeito de ilha de calor, o
qual é consequência de um crescimento desordenado da população e um mau
planejamento sobre a ocupação do solo.
45
CONCLUSÕES
A diferença de temperatura entre a área das cidades de Teresina-PI e Timon-MA
e as áreas sem urbanização (mais vegetada, e/ou sem modificação do solo), onde houve
uma variação entre aproximadamente 6°C a 9°C, quando comparado áreas
circunvizinhas e a cidade.
As variações de temperatura de superfície mostraram que o aumento da
temperatura de superfície ao longo de 12 anos (2004-2016) foram de aproximadamente
13°C na máxima e de aproximadamente 9°C na temperatura mínima.
Comparando os mapas de IVDN e os mapas de temperatura de superfície, ficou
nítido a relação inversa, nos anos de estudo as áreas onde se observou sem qualquer
vegetação (solo nu) ou área construída (Cidades), foram encontradas as maiores
temperaturas e os locais com maiores densidades de vegetação, as menores
temperaturas.
Os índices de conforto térmico humano, temperatura efetiva, mostraram que
quando comparado ao longo de 12 anos de estudo, houve uma variação de 2°C na
comparação dos quatro primeiros meses, logo em seguida uma variação de 4°C
intensificando o desconforto térmico, a classe que houve maior intensificação no estudo
destacada como ―Calor Extremo‖.
Analisou-se a relação entre as ilhas de calor e o conforto térmico humano, assim
à medida que as cidades se desenvolvem e ocorre à modificação da superfície, as
temperaturas aumentam, consequentemente aumenta o desconforto humano, visto que o
ser humano sofre influência do meio em que vive.
46
REFERÊNCIAS
ACCIOLY, Luciano J. de O. et al. Relações empíricas entre a estrutura da vegetação e
dados do sensor TM/Landsat. Revista Brasileira de Engenharia Agrícola e
Ambiental, 2002.
ALVES, E. D. L. Ilha de calor ou ilha de energia térmica: um conceito aberto à
discussão. Revista Espaço Acadêmico, Maringá, v. 10, n. 110, p. 124-129, 2010.
ALLEN, R.G.2002. SEBAL (Surface Energy Balance Algorithms for Land). Advance
Training and Users Manual – Idaho Implementation, version 1.0, 97p.
AYOADE, J. O. Introdução À Climatologia Para Os Trópicos. Rio de Janeiro:
Bertrand Brasil, 2001. 332p.
ATI, AGÊNCIA DE CIÊNCIAS, TECNOLOGIA E INOVAÇÃO DE TIMON.
Disponível em: < http://timon.ma.gov.br/site/?page_id=246 >. Acesso em: 25 de set.
2016.
BASTOS, A. E.; ANDRADE JÚNIOR, A. S. de. Boletim agrometeorológico de 2007
para o Município de Teresina, PI. Teresina: Embrapa Meio-Norte, 2008.
BAPTISTA, João Gabriel. Geografia Física do Piauí. COMEPI, Teresina, 1972.
BAPTISTA, GM de M. Estudo multitemporal do fenômeno ilhas de calor no Distrito
Federal. Revista Meio Ambiente, v. 2, p. 03-17, 2002.
BARBIRATO, G. M.; SOUZA, L. C. L.; TORRES, S. C. Clima e Cidade: a
Abordagem Climática como Subsídios. Maceió: EDUFAL, 2007, 154 p. 2007.
BOEGH,
Eva;
SOEGAARD,
Henrik;
THOMSEN,
Anton.
Evaluating
evapotranspiration rates and surface conditions using Landsat TM to estimate
atmospheric resistance and surface resistance. Remote Sensing of Environment, v. 79,
n. 2, p. 329-343, 2002.
CARNAHAN, Walter H.; LARSON, Robert C. An analysis of an urban heat
sink. Remote sensing of Environment, v. 33, n. 1, p. 65-71, 1990.
47
CAVALCANTE, M. R. C. Avaliação da qualidade térmica de praças em Maceió Al: três estudos de caso. 2007. Dissertação (Mestrado) –Universidade Federal de
Alagoas, Maceió, AL. 2007.
CHANDER, Gyanesh; MARKHAM, Brian. Revised Landsat-5 TM radiometric
calibration procedures and post calibration dynamic ranges. IEEE Transactions on
Geoscience and Remote Sensing, v.41, n.11, p.2674-2677, 2003.
COLTRI, P.P. Influência do uso e cobertura do solo no clima de Piracicaba, São
Paulo: Análise de séries históricas, ilhas de calor e técnicas de sensoriamento
remoto. Piracicaba. 2006. 166p. Dissertação (Mestrado em Agronomina/Fitotecnia).
Escola Superior de Agronomia Luiz de Queiroz/USP.
COLTRI, P.P; VELASCO, G.N. POLIZEL, J.L.; DEMETRIO. V.A.;FERREIRA, N.J.
Ilhas de Calor da estação de inverno da área urbana do município de Piracicaba,
SP. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 13, 2007.
Florianópolis. Anais... São José dos Campos: INPE, 2007. p. 5151-5157.
COSTA FILHO, JF da et al. Estimativa do índice de vegetação da diferença
normalizada (NDVI) na microrregião de Sousa-PB utilizando imagens do CBERS-2.
15. In: XV Congresso Brasileiro de Agrometeorologia, Aracajú-SE. 2007.
COSTA, Juliana Magna da Silva. Qualidade do ar interior e conforto térmico: um
estudo em espaços de estacionamento em Natal/RN. 2005. Dissertação de Mestrado.
Universidade Federal do Rio Grande do Norte.
CROSTA, Á. P. Processamento Digital de Imagens de Sensoriamento Remoto. Ed.
Rev. – Campinas, SP: IG/UNICAMP, 1993.
EVANS, J. Housing, climate and confort. The architectural Press Limited, London,
1980.
FANGER, P. O. Thermal Comfort. New York: McGraw-Hill Book Company, 1970
FERREIRA, Aline Batista et al. Análise comparativa do uso e ocupação do solo na área
de influência da Usina Hidrelétrica Capim Branco I a partir de técnicas de
48
geoprocessamento. SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO,
v. 12, p. 2997-3004, 2005.
FIALHO, E. S. Ilha de Calor em cidade de pequeno porte: Um caso de Viçosa,
Zona da Mata Mineira. São Paulo, 2009. 259p. Tese (Doutorado em
Geografia/Geografia física) – Universidade de São Paulo.
FEITOSA, Sônia Maria Ribeiro et al. Consequências da urbanização na vegetação e na
temperatura da superfície de Teresina-Piauí. Revista da Sociedade Brasileira de
Arborização Urbana, v. 6, p. 58-75, 2011.
FROTA, Anésia Barros; SCHIFFER, Sueli Terezinha Ramos. Manual de conforto
térmico. Studio Nobel, 2001.
GARCÍA, F. F. Manual de climatologia aplicada: clima, medio ambiente y
planificación. Madrid: Editorial síntesis S. A. 1985.
GARCÍA, 1985, p.199 apud GOMES & AMORIM, 2003, p. 96. Arborização e conforto
térmico no espaço Urbano: estudo de caso nas praças públicas e Presidente prudente
(sp). Revista Online, Caminhos de Geografia 7(10)94-106, set/2003.
GARTLAND, Lisa. "Ilhas de calor: como mitigar zonas de calor em áreas
urbanas." São Paulo: Oficina de Textos (2010).
GIRALT, R. P. Conforto térmico em espaços públicos abertos na cidade de Torres–
RS. 2006. 238 f. 2006. Tese de Doutorado. Dissertação (Mestrado em Arquitetura)Universidade Federal do Rio Grande do Sul, Porto Alegre.
GIVONI, B. Man, Climate and Architecture. 2ed. London, Applied Science, 1976.
483p.
GOMES, L. C. F. Dinâmica da temperatura da superfície em resposta às alterações
na cobertura e uso do solo utilizando técnicas de sensoriamento remoto.
Dissertação (Mestrado em meteorologia). Universidade Federal de Campina Grande–
PB, 70p, 2011.
49
HENTSCHEL, G. A human biometeorology classification of climate for large and local
scales. World Climate Programme Applications No.1, World Meteorological
Organization, p. 120-138, 1986.
HOWARD, Luke. The climate of London: deduced from meteorological
observations made in the metropolis and at various places around it. Harvey and
Darton, J. and A. Arch, Longman, Hatchard, S. Highley [and] R. Hunter, 1833.
HUETE, A. R. Adjusting vegetation indices for soil influences. International
Agrophysics, v. 4, n. 4, p. 367-376, 1988.
HUETE, A. R.; WARRICK, A. W. Assessment of vegetation and soil water regimes in
partial canopies with optical remotely sensed data. Remote Sensing of Environment,
v. 32, n. 2-3, p. 155-167, 1990.
INPE, DGI Imagens. Disponível em: < http://www.dgi.inpe.br/CDSR/>. Acesso em
15 de julho de 2016.
IQBAL M. An introduction to solar radiation. Library of Congress Cataloging in
Publication data. Academic Press Canadian, 1983. 390p.
KIM, Y. H. & BAIK, J. J. Spatial And Temporal Structure Of Urban Heat Island In
Seoul. American Meteorological Society, v. 44, p. 591-605, 2005.
LAMBERTS, R.; DUTRA, L.; PEREIRA, F. O. P. Eficiência Energética na
Arquitetura. São Paulo, PW, 1997.
LAMBERTS, R.; XAVIER, A. A. P. Conforto térmico e stress térmico. Laboratório
de Eficiência Energética em Edificações - LABEE. Florianópolis, 2002, 106 p.
LECHNER, N. Heating, COOLING, Lighting. Design methods for architectes. Ed.
Jonh Willey & Sons, 1991.
LIMA, Milcíades G. de. O Clima de Teresina. Boletim da UFPI. Teresina: EDUFPI,
1985.
50
LO, C. P.; QUATTROCHI, Dale A. Land-Use and land-cover change, urban heat island
phenomenon, and health implications. Photogrammetric Engineering & Remote
Sensing, v. 69, n. 9, p. 1053-1063, 2003.v.1, n.1, p.1-2, 1985.
LOMBARDO ,M.A. Ilha de Calor nas Metrópoles: O exemplo de São Paulo. São
Paulo, 1985.
LU, Dengsheng; WENG, Qihao. Use of impervious surface in urban land-use
classification. Remote Sensing of Environment, v. 102, n. 1, p. 146-160, 2006.
MARCONDES, Eduardo (coord.). 1981. Ecopediatria: a força do ambiente sobre a
saúde da criança. São Paulo: Sarvier
MARCOS & DIAMANTINO, Geografia dos mundos: Fundamentos. São Paulo,
FTD, 2006, p 91.
MARKHAM, B. L. and BARKER, L. L. Thematic mapper bandpass solar
exoatmospherical irradiances, Int. Journal of Remote Sensing, v. 8, nº. 3 p. 517-523,
1987
MASCARÓ, L. R. Energia na edificação, estratégia para minimizar seu consumo.
Projeto de Editores Associados, São Paulo, n. 81, p. 69, nov. 1991.
MASHIKI, M. Y.; Geoprocessamento na identificação de ilhas de calor e influência
do uso e ocupação do solo na temperatura aparente da superfície no município de
Botucatu/SP. 2012. 80f. Dissertação (mestrado em Energia na Agricultura). Botucatu,
2013.
MENDONÇA, F. A. O clima e o planejamento urbano de cidades de porte médio e
pequeno: proposição metodológica para o estudo e sua aplicação à cidade de
Londrina/PR. (Tese de Doutorado). São Paulo: FFLCH/USP- Programa de PósGraduação em Geografia, 1994, 300p.
MIRANDA,
José
Iguelmar.
EMBRAPA
INFORMAÇÃO
TECNOLÓGICA.
Fundamentos de sistemas de informações geográficas. Brasília: EMBRAPA
Informação Tecnológica, 2005.- 425p.
51
MISSENARD, A. L’homme et le climat. Paris, 1937.
MOLION, Luiz Carlos Baldicero; BERNARDO, Sergio de Oliveira. Dinâmica das
chuvas no Nordeste Brasileiro. In: Congresso Brasileiro de Meteorologia,
Anais…(CD-ROM). Rio de Janeiro. 2000.
MONTEIRO, C. A de F.; Mendonça, F.(Org.). Clima Urbano. São Paulo: Editora
Contexto, 2003. 192p.
MORAES, Adolfo M.. Rio Parnaíba. Um Rio em Busca de Norte. In: Carta CEPRO.
Teresina: Cepro, v. 18, n. 1 Jan/Jun. 2000.
MOREIRA, M. A. Fundamentos do sensoriamento remoto e metodologias de
aplicação. 2.ed. Viçosa - MG: UFV, 2003. 307 p.
MOREIRA, Elvis Bergue Mariz; GALVÍNCIO, Josiclêda Domiciano. Espacialização
das temperaturas à superfície na cidade do Recife Utilizando imagens tm Landsat
7. Revista de Geografia, v. 24, p. 101-115, 2007.
OLGYAY, V. Arquitectura y clima: manual de diseño bioclimático para
arquitectos y urbanistas. Barcelona: G.Gili, 1998.
OKE, T. R.; VOOGT, J. A. Thermal remote sensing of urban climates. Remote Sensing
Environment, v. 86, p. 370-384,2003.
PAIVA, C. M., Estimativa do balanço de energia e da temperatura da superfície via
satélite NOAA-AVHRR, Rio de Janeiro, 248f, Dissertação (Doutorado em Engenharia
Civil) - Universidade Federal do Rio de Janeiro, 2005.
PRIMAVESI, O.; ARZABE, C.; PEDREIRA, M.S.; Mudanças climáticas: visão
tropical integrada das causas, dos impactos e de possíveis soluções para ambientes
rurais ou urbanos. São Carlos: Embrapa Pecuária Sudeste, 2007. — (Embrapa
Pecuária Sudeste. Documentos, 70).
PRINCE, S.D. 2 Spatial and Temporal Scales for Detection of Desertification.
Geography Department, University of Maryland, 2002.
52
REICHARDT, K.; TIMM, L.C. Solo, Planta e Atmosfera: conceitos, processos e
aplicações. São Paulo: Editora Manole, 2004. 478 p
SANT’ANNA NETO, J. L. Mudanças Climáticas Globais: Implicações no
Desenvolvimento Econômico e na Dinâmica Natural. Revista Pantaneira, v. 2, n. 2, p.
66-78, 2000.
SANTIAGO, Dimas Barros; GOMES, Heliofábio Barros. Estudo de Ilhas de Calor no
Município de Maceió/AL, por meio de Dados Orbitais do Landsat 5 (Heat Islands in the
City of Maceió/AL using Orbital Data from Landsat 5). Revista Brasileira de
Geografia Física, v. 9, n. 3, p. 793-803, 2016.
SARTORI, Anderson Antonio da Conceição et al. Influência do período de estiagem no
Índice de Vegetação (NDVI), no município de Botucatu-SP. XIV SIMPÓSIO
BRASILEIRO DE SENSORIAMENTO REMOTO, Natal. Anais.... Natal: Inpe, p.
25-30, 2009.
SAYDELLES, A. P.; Estudo Do Campo Térmico E Das Ilhas De Calor Urbano Em
Santa Maria-Rs, Dissertação de Mestrado UFSM Santa Maria, RS, Brasil 2005. 237p.
SOBRINO, J.A, Z.L. LI, M.P. STOLL e F. BECKER: Multi-channel and multiangle
algorithms for estimating sea and land surface temperature with ATSR data.
International Journal of Remote Sensing, vol. 17, No.11, 2089-2114, 1996.
SHEPARD, Donald. A two-dimensional interpolation function for irregularly-spaced
data. In: Proceedings of the 1968 23rd ACM national conference. ACM, 1968. p.
517-524.
SPIRN, A. W. O Jardim de Granito: A natureza do Desenho da Cidade. São Paulo:
Editora da USP, 1995. 345p.
SUPING, Z.; GUANGLIN, M.; YANWEN, W.; JI, L. Study of the relationship between
weather conditions and the marathon race, and of meteorotropic effects on distande
runners. International Journal of Biometeorology, v. 36, p. 63-68, 1992.
53
TREVISAN, RODRIGO G.; MOLIN, JOSÉ P.. Sistemas de informação geográfica
(sig) para agricultura de precisão. Boletim de Precisão. Boletim Técnico 01.
Piracicaba-SP, Dezembro de 2014.
VIANA, S. S. M. Caracterização do Clima Urbano em Teodoro Sampaio/SP. 2006.
190f. Dissertação (Mestrado) – Programa de Pós- Graduação em Geografia,
Universidade Estadual Paulista, Presidente Prudente, 2006.
WALLACE, J. A. Temporal studies of deciduous forests in northeastern Kansas using
Landsat Thematic Mapper images: unpublished master's thesis, Emporia State
University, Kansas, 146 p., 2000.
Wan,
Z.
New
refinements
and
validation
of
the
MODIS
Land
surfaceTemperature/Emissivity products. Remote Sensing of Environment, v.112,
p.59-74, 2008.
WENG, Qihao; LU, Dengsheng; SCHUBRING, Jacquelyn. Estimation of land surface
temperature–vegetation abundance relationship for urban heat island studies. Remote
sensing of Environment, v. 89, n. 4, p. 467-483, 2004.
XAVIER, Alyson Lino et al. Variação da temperatura e umidade entre áreas urbanas de
Cuiabá. Engenharia Ambiental–Espírito Santo do Pinhal, v. 6, n. 1, p. 82, 2009.
Zhang, Y.; Odeh, I.O.A.; Han, C. Bi-temporal characterization of land surface
temperature in relation to impervious surface area, NDVI and NDBI, using a sub-pixel
image analysis. International Journal of Applied Earth Observation and
Geoinformation, v.11, p.256-264, 2009.
54